9.10.7.1 cp932のキャラクタセット

9.10.7.1. `cp932`のキャラクタセット

なぜcp932は必要なのでしょうか。

MySQLではsjis キャラクタセットはアイアナで定義されるShift_JISキャラクタセットに対応しており、これらはJIS X0201およびJIS X0208キャラクタセットをサポートしています。（詳しくはhttp://www.iana.org/assignments/character-setsをご確認ください。）

しかしながら、記述用語として一般的に使われている「SHIFT JIS」の意味は非常にあいまいで、しばしば各ベンダーが独自にShift_JISを拡張したものまで含まれることがあります。

例えば、日本語Windows環境で使用される「シフトJIS」はMicrosoftによるShift_JISの拡張で、正式な名称はMicrosoft Windows Codepage :932もしくはcp932といいます。cp932ではShift_JISでサポートされる文字に加え、NEC特殊文字、NEC選定IBM拡張文字—、IBM拡張文字といった各種拡張文字がサポートされています。

多くの日本語ユーザーがこれら拡張文字等の使用にあたって問題に直面してきました。これらの問題は以下の要因によって生じていました:

MySQLが自動的にキャラクターセットの変換を行う。
キャラクターセットの変換はUnicode(ucs2)を介して行われる。
sjisキャラクターセットはこれら拡張文字の変換をサポートしていない。
いわゆる「シフトJIS」と呼ばれるキャラクターセットからUnicodeへの変換には複数の変換ルールが存在し、いくつかの文字は変換ルールによって異なるUnicode文字に変換される。MySQLではこれらの変換ルールのうち、一つだけしかサポートされていない (詳細は後述する)。

MySQLのcp932キャラクタセットはこれらの問題を解決するようデザインされています。

MySQLがキャラクターセットの変換をサポートするようになった為、異なる変換ルールを持つIANAの Shift_JISとcp932を二種類のキャラクターセットとして区別することが重要となります。

cp932 はsjisとどう異なるか

cp932キャラクタセットは以下の点でsjisと異なります。

cp932ではNEC特殊文字、NEC選定IBM拡張文字—、IBM拡張文字がサポートされる。 .
いくつかのcp932 文字については、二つの異なるコードポイントから同一のUnicodeコードポイントに変換される。よってこれらの文字をUnicodeからcp932に戻す際には何れか一つのコードポイントが選択されなくてはならない。この「ラウンドトリップ変換」については、Microsoftによって推奨されるルールが使用されています。（詳しくはhttp://support.microsoft.com/kb/170559/EN-US/をご確認ください。）

この変換ルールは以下のとおりです。
- 当該文字がJIS X 0208文字とNEC特殊文字の両方に存在する場合には、 JIS X 0208のコードポイントを使用する。
- 当該文字がNEC特殊文字とIBM拡張文字の両方に存在する場合には、 NEC特殊文字のコードポイントを使用します。
- 当該文字がNEC選定—IBM拡張文字とIBM拡張文字の両方に存在する場合には、 IBM拡張文字のコードポイントを使用します。
http://www.microsoft.com/globaldev/reference/dbcs/932.htmで表示されるテーブルはcp932文字のUnicodeポイントに関する情報です。cp932の表に記載されている文字のうち、下に四桁の数字が表示されているものについては、その数字は対応するUnicode ucs2) コードポイントを表します。下線付きの二桁の値についてはこれら二桁の値で始まる一連のcp932文字があることを表しています。これらの値をクリックすることで、その二桁の値で始まる cp932文字、及びそのUnicodeコードポイントが表示されます。

更に興味のある方は以下のリンクを参照してください。それぞれ、各文字の対応する Unicodeコードポイントを表示します。
- NEC 特殊文字:
```
http://www.microsoft.com/globaldev/reference/dbcs/932/932_87.htm
```
- NEC 選定— IBM 拡張文字:
```
http://www.microsoft.com/globaldev/reference/dbcs/932/932_ED.htm
http://www.microsoft.com/globaldev/reference/dbcs/932/932_EE.htm
```
- IBM 選定文字:
```
http://www.microsoft.com/globaldev/reference/dbcs/932/932_FA.htm
http://www.microsoft.com/globaldev/reference/dbcs/932/932_FB.htm
http://www.microsoft.com/globaldev/reference/dbcs/932/932_FC.htm
```
eucjpmsキャラクターセットと組み合わせて使用することで、 cp932 でユーザー定義文字の変換がサポートされ、 sjis/ujis間での変換問題にも対応しています。詳細は次をhttp://www.opengroup.or.jp/jvc/cde/sjis-euc-e.html参照してください。

いくつかの文字については、sjisとcp932.でucs2との変換ルールが異なります。以下のテーブルはこれらの違いを例示したものです。

ucs2への変換:

`sjis`/`cp932` 値	`sjis` -> `ucs2` 変換	`cp932` -> `ucs2` 変換
5C	005C	005C
7E	007E	007E
815C	2015	2015
815F	005C	FF3C
8160	301C	FF5E
8161	2016	2225
817C	2212	FF0D
8191	00A2	FFE0
8192	00A3	FFE1
81CA	00AC	FFE2

ucs2からの変換:

`ucs2` 値	`ucs2` -> `sjis` 変換	`ucs2` -> `cp932` 変換
005C	815F	5C
007E	7E	7E
00A2	8191	3F
00A3	8192	3F
00AC	81CA	3F
2015	815C	815C
2016	8161	3F
2212	817C	3F
2225	3F	8161
301C	8160	3F
FF0D	3F	817C
FF3C	3F	815F
FF5E	3F	8160
FFE0	3F	8191
FFE1	3F	8192
FFE2	3F	81CA

日本語キャラクタセットのユーザーは--character-set-client-handshake(もしくは --skip-character-set-client-handshake)を使うことで重要な効果があることに注意しなければなりません。詳しくは項4.2.2. 「コマンドオプション」を参照してください。

9.10.7.1. cp932のキャラクタセット

9.10.7.1. `cp932`のキャラクタセット